view in publisher's site

A batch splitting method for a job shop scheduling problem in an MRP environment

The job shop scheduling problem has been a major target for many researchers. Unfortunately though, most of the previous research was based on assumptions that are different from the real manufacturing environment. Among those distorted assumptions, two assumptions about set-up time and job composition can greatly influence the performance of a schedule. First, most of the past studies ignored the impact of the before-arrival set-up time. If we know the sequence of operations in advance, we can obtain an improved schedule by preparing the setup before a job arrives. Secondly, most of the past studies assumed that a job consists of only a single part, that is a batch of size one. However, if we assume that a job consists of a batch size greater than one, as in many real manufacturing environments, then we can obtain an improved schedule because we can fill up the idle times of machines with jobs which have smaller processing times by splitting the original batches. However, the number of job orders may then increase due to the split, and the size of the scheduling problem would become too large to be solved in a practical time limit. Consequently, there may be an optimum batch size considering trade-off between better solution and tractability. The current study is the result of an attempt to find an acceptable solution when the production requirement from a MRP system for a planning period exceeds the capacity of a production system. We try to get an improved schedule by splitting the original batch into smaller batches, and consider setting up a machine before the actual arrival of jobs to that machine. Thereby we can meet the due date requirement without resorting to rescheduling of the master production schedule. For the given batch, we disaggregate it according to the algorithm we are proposing. A so-called 'modified shifting bottleneck procedure' is then applied to solve the job shop scheduling problem with a before-arrival family set-up time considering release date, transportation time and due date. The study also shows that we can adapt to unexpected dynamic events more elegantly by allowing the splitting of batches.

یک روش تقسیم منقطع برای مساله زمانبندی کارگاهی در محیط MRP

مساله زمان‌بندی کارگاه کار یک هدف اصلی برای بسیاری از محققان بوده‌است. متاسفانه، بیشتر تحقیقات قبلی براساس فرضیاتی بود که متفاوت از محیط تولید واقعی هستند. در میان این فرضیات تحریف‌شده، دو فرضیه در مورد زمان راه‌اندازی و ترکیب شغلی می‌تواند تا حد زیادی بر عملکرد برنامه تاثیر بگذارد. اول اینکه اکثر مطالعات قبلی تاثیر زمان تعیین‌شده قبل از رسیدن را نادیده گرفتند. اگر ما توالی عملیات را از قبل بدانیم، می‌توانیم با آماده کردن تنظیمات قبل از رسیدن یک شغل، یک برنامه بهبود یافته بدست آوریم. ثانیا، اکثر مطالعات گذشته فرض کرده‌اند که یک شغل تنها شامل یک بخش است، که یک دسته از اندازه است. با این حال، اگر فرض کنیم که یک شغل شامل یک اندازه دسته بزرگ‌تر از یک است، همانطور که در بسیاری از محیط‌های تولیدی واقعی، می‌توانیم یک برنامه بهبود یافته بدست آوریم زیرا می‌توانیم اوقات بیکاری ماشین‌ها را با مشاغلی که زمان پردازش کوچک‌تر با تقسیم کردن دسته‌های اصلی داشته باشند پر کنیم. با این حال، تعداد دستورها شغلی ممکن است به دلیل شکاف افزایش یابد و اندازه مساله زمانبندی خیلی بزرگ خواهد شد تا در یک محدوده زمانی عملی حل شود. در نتیجه ممکن است یک اندازه بهینه برای در نظر گرفتن توازن بین راه‌حل بهتر و tractability وجود داشته باشد. مطالعه حاضر حاصل تلاش برای یافتن یک راه‌حل قابل‌قبول است هنگامی که نیاز تولید از یک سیستم MRP برای یک دوره برنامه‌ریزی بیش از ظرفیت یک سیستم تولید باشد. ما سعی می‌کنیم با تقسیم دسته اصلی به دسته‌های کوچک‌تر، برنامه بهبود یافته را بدست آوریم و در نظر داشته باشیم که یک ماشین را قبل از ورود واقعی کار به آن ماشین تنظیم کنیم. در نتیجه ما می‌توانیم موعد مقرر را بدون نیاز به زمانبندی مجدد برنامه تولید اصلی ملاقات کنیم. برای گروه داده‌شده، با توجه به الگوریتمی که پیشنهاد می‌کنیم، آن را متلاشی کردیم. سپس برای حل مساله زمان‌بندی کارگاه کار با یک زمان تنظیم خانواده قبل از ورود، زمان ترخیص و موعد مقرر، برای حل مشکل زمانبندی کارگاهی به اصطلاح "تغییر یافته تغییر یافته" استفاده می‌شود. این مطالعه همچنین نشان می‌دهد که ما می‌توانیم با اجازه دادن به تفکیک دسته‌ها با رخدادهای پویای غیر منتظره انطباق پیدا کنیم.
ترجمه شده با

سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.